一种针对气体泄漏检测的融合方法及系统与流程
本技术属于气体检测,尤其涉及一种针对气体泄漏检测的融合方法及系统。
背景技术:
1、目前具备可见光和红外成像双通道的光电设备(包括手持式设备和云台式设备),主要依赖人工根据红外图像中是否有气团流动来判定气体泄漏及其位置。然而,当气体泄漏量较小时,在红外图像上产生的响应值变化微弱,肉眼较难识别,导致对微弱气体泄漏的检测能力较差。
2、工业现场的实际应用环境复杂多变,高温蒸汽的流动、现场人员或动物的穿入等,极易在红外通道内引起时序上的响应值变化。现有的单通道图像处理算法无法自动识别并剔除这些非气体泄漏引发的干扰,极易将其判定为气体泄漏,引起系统的频繁误识别和误报。因此,目前行业内还缺乏一种既能保证微弱气体泄漏检测精度、保证泄漏位置精准判断,同时还能有效剔除工业现场环境干扰的图像处理方法。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种针对气体泄漏检测的融合方法及系统,用以解决上述技术问题。
2、第一方面,本技术提供了一种针对气体泄漏检测的融合方法,方法包括:
3、获取第一帧红外图像和第二帧红外图像,以及第一帧可见光图像和第二帧可见光图像;
4、对所述第一帧红外图像和所述第二帧红外图像,进行帧差计算,得到目标红外帧差图像;
5、将所述第一帧红外图像和所述第一帧可见光图像进行配准,得到配准关系结果;
6、根据所述配准关系结果,将所述目标红外帧差图像映射至所述第一帧可见光图像的像素坐标系下,得到对齐后红外帧差图像;
7、对所述第一帧可见光图像和所述第二帧可见光图像,进行帧差计算,得到目标可见光帧差图像;
8、根据所述对齐后红外帧差图像和所述目标可见光帧差图像的像素对比,得到目标掩膜图像,其中,所述目标掩膜图像包含若干有效性像素;
9、根据所述目标掩膜图像中有效像素点位置和所述配准关系结果,将所述对齐后红外帧差图像融合至所述第一帧可见光图像中,得到气体泄漏图像。
10、可实施的一些方式中,获取第一帧红外图像和第二帧红外图像,以及第一帧可见光图像和第二帧可见光图像的步骤,包括:
11、利用红外相机,获取第一时间段内的所述第一帧红外图像和所述第二帧红外图像;
12、利用可见光相机,获取所述第一时间段内的所述第一帧可见光图像和所述第二帧可见光图像;
13、构建缓冲池;
14、将以时序获取的多帧红外图像和多帧可见光图像,分别顺序存储在所述缓冲池;
15、在所述缓冲池中,调用所述第一帧红外图像和所述第二帧红外图像,以及所述第一帧可见光图像和所述第二帧可见光图像。
16、可实施的一些方式中,所述对所述第一帧红外图像和所述第二帧红外图像,进行帧差计算,得到目标红外帧差图像的步骤,包括:
17、对依据时序形成的所述第一帧红外图像和所述第二帧红外图像,进行帧差计算,得到所述目标红外帧差图像,其中,所述目标红外帧差图像计算公式为:
18、;
19、其中,表示所述目标红外帧差图像,表示时序在后的第二帧红外图像,表示时序在先的第一帧红外图像,表示两帧图像的像素值差的绝对值,表示噪声过滤阈值;表示判断不满足则执行0。
20、可实施的一些方式中,所述将所述第一帧红外图像和所述第一帧可见光图像进行配准,得到配准关系结果的步骤,包括:
21、构建初始卷积神经网络模型;
22、获取多组同时刻采集的红外图像和可见光图像;
23、将同一时刻的所述红外图像和所述可见光图像作为训练数据,输入所述初始卷积神经网络模型,得到像素偏移预测结果;
24、利用自监督的训练方法,以所述红外图像按预测偏移量投影至可见光坐标系的投影误差最小化为目标,调整所述初始卷积神经网络模型的参数,得到目标卷积神经网络模型。
25、可实施的一些方式中,所述将所述第一帧红外图像和所述第一帧可见光图像进行配准,得到配准关系结果的步骤,还包括:
26、将所述第一帧红外图像和所述第一帧可见光图像,分别输入所述目标卷积神经网络,得到所述第一帧红外图像中各像素点映射至所述第一帧可见光图像的行偏移和列偏移;
27、根据所述行偏移和所述列偏移,得到所述配准关系结果。
28、可实施的一些方式中,所述对所述第一帧可见光图像和所述第二帧可见光图像,进行帧差计算,得到目标可见光帧差图像的步骤,包括:
29、对依据时序形成的所述第一帧可见光图像和所述第二帧可见光图像,进行帧差计算,得到所述目标可见光帧差图像,其中,所述目标可见光帧差图像计算公式为:
30、;
31、其中,表示所述目标可见光帧差图像,表示时序在后的第二帧可见光图像,表示时序在先的第一帧可见光图像,表示两帧图像的像素值差,表示噪声过滤阈值;表示判断不满足则执行0。
32、可实施的一些方式中,所述根据所述对齐后红外帧差图像和所述目标可见光帧差图像的像素对比,得到目标掩膜图像的步骤,包括:
33、对所述对齐后红外帧差图像和所述目标可见光帧差图像的像素逐一对比,若n个像素上对应的所述对齐后红外帧差图像和所述目标可见光帧差图像均存在偏差值,判定为无效性像素;
34、剔除所述无效性像素,得到目标掩膜图像,其中,所述目标掩膜图像的计算公式为:
35、;
36、其中,表示所述目标掩膜图像,表示所述对齐后红外帧差图像,表示目标可见光帧差图像,表示判断条件和,表示判断条件否则。
37、可实施的一些方式中,所述根据所述目标掩膜图像中有效像素点位置和所述配准关系结果,将所述对齐后红外帧差图像融合至所述第一帧可见光图像中,得到气体泄漏图像的步骤,包括:
38、根据所述目标掩膜图像,得到有效性像素;
39、根据所述有效性像素,以及所述配准关系结果,将所述目标可见光帧差图像和所述第一帧可见光图像进行空间对准,得到所述气体泄漏图像,其中,所述气体泄漏图像的计算公式为:
40、;
41、其中,表示所述气体泄漏图像,表示可见光图像,表示所述目标掩膜图像,表示所述对齐后红外帧差图像。
42、第二方面,本技术提供一种针对气体泄漏检测的融合系统,应用于前述的针对气体泄漏检测的融合方法,系统包括:
43、获取单元,用于获取第一帧红外图像和第二帧红外图像,以及第一帧可见光图像和第二帧可见光图像;
44、计算单元,用于对所述第一帧红外图像和所述第二帧红外图像,进行帧差计算,得到目标红外帧差图像;
45、配准单元,用于将所述第一帧红外图像和所述第一帧可见光图像进行配准,得到配准关系结果;
46、计算单元,还用于根据所述配准关系结果,将所述目标红外帧差图像映射至所述第一帧可见光图像的像素坐标系下,得到对齐后红外帧差图像;
47、计算单元,还用于对所述第一帧可见光图像和所述第二帧可见光图像,进行帧差计算,得到目标可见光帧差图像;对比单元,用于根据所述对齐后红外帧差图像和所述目标可见光帧差图像的像素对比,得到目标掩膜图像,其中,所述目标掩膜图像包含若干有效性像素;
48、结果单元,用于根据所述目标掩膜图像中有效像素点位置和所述配准关系结果,将所述对齐后红外帧差图像融合至所述第一帧可见光图像中,得到气体泄漏图像。
49、第三方面,本技术提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现前述的针对气体泄漏检测的融合方法的步骤。
50、本技术提供的一种针对气体泄漏检测的融合方法,通过获取双通道图像并对红外图像进行时序帧差计算,能够利用算法层面的前后帧差值,将气体流动引起的微弱温度和响应值变化进行成倍放大,极大提升了对微弱气团的判别能力,有效解决了传统人工肉眼观察红外图像时微弱泄漏较难识别的技术问题;同时,通过引入可见光图像的时序帧差,与经空间配准对齐后的红外帧差进行逐像素对比,利用两通道的变化特征生成掩膜图像,能够在不依赖先验知识的情况下,精准识别并剔除工业现场高温蒸汽、人畜闯入等非泄漏引起的动态干扰,显著降低了系统的误识别率;在此基础上,本技术进一步结合空间配准关系结果,将经过掩膜过滤后的目标红外帧差图像(气体检测结果)精准叠加在具备丰富环境轮廓的第一帧可见光图像中进行显示,在极大提高微弱泄漏检测精度的同时,实现了清晰、直观、高精度地判定气体泄漏的具体设备位置,更具工业现场实用价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com